基于局部描述符的三維人臉識別研究.pdf

1、三維人臉識別由于對光照與人臉姿態(tài)不敏感而獲得了越來越多的關注。然而表情變化又對三維人臉識別造成巨大困擾。如何提取對表情變化具有魯棒性的人臉特征成為三維人臉識別的關鍵。本文主要研究了基于局部描述符的表情魯棒的三維人臉特征提取與識別方法。主要工作進展如下:
　　1.人臉數(shù)據(jù)預處理。通過計算形狀指數(shù)，自動獲取鼻尖點，并以鼻尖點為中心，以合適長度為半徑提取人臉主要區(qū)域;基于點之間的歐式距離，自動去除尖銳區(qū)域，并基于主成分分析進行姿態(tài)矯正。

2、實驗表明，通過以上預處理工作能自動獲取人臉識別的有效區(qū)域，對后續(xù)特征提取提供了良好的數(shù)據(jù)來源。
　　2.表情魯棒的人臉特征提取。為了克服表情影響，本文將預處理后的三維人臉分割為11個區(qū)域?；诙S投影的點云邊緣點檢測方法檢測每個區(qū)域的非邊緣點，并計算其深度、法向量與形狀指數(shù)信息，使用三維局部二值模式(LBP:Local Binary Pattern)進行編碼，構成每個點的局部描述符。對每個分區(qū)基于直方圖統(tǒng)計進行人臉特征降維，最終得

3、到每個分區(qū)的特征向量。
　　3.三維人臉識別。為了驗證基于局部描述符的特征對帶表情的人臉識別的有效性，本文基于GavabDB三維人臉數(shù)據(jù)庫，分別使用分片加權K近鄰(KNN:K-Nearest Neighbor)與支撐向量機(SVM:Support Vector Machine)算法進行三維人臉識別，識別率分別達到94.50％和93.15％。實驗結果表明本文提出的基于局部描述符的三維人臉識別算法能夠適用于有表情的三維人臉識別。